بررسی اثرات تغییرات کاربری اراضی بر فرسایش خاک شهرستان گیوی با استفاده از مدل تصمیم‌گیری چند معیاره MABAC و تصاویر ماهواره‌ای لندست (سنجنده‌های OLI - TM)

عابدینی, موسی; پیروزی, الناز; فعال نذیری, مهدی

doi:10.22067/geoeh.2022.73137.1121

بررسی اثرات تغییرات کاربری اراضی بر فرسایش خاک شهرستان گیوی با استفاده از مدل تصمیم‌گیری چند معیاره MABAC و تصاویر ماهواره‌ای لندست (سنجنده‌های OLI - TM)

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ استاد ژئومورفولوژی، دانشگاه محقق اردبیلی، اردبیل، ایران

² دکتری ژئومورفولوژی، دانشگاه محقق اردبیلی، اردبیل، ایران

³ دانشجوی دکتری ژئومورفولوژی، دانشگاه محقق اردبیلی، اردبیل، ایران

10.22067/geoeh.2022.73137.1121

چکیده

در سالهای اخیر، تأثیر متقابل تغییر کاربری اراضی و فرسایش خاک تبدیل به یک نگرانی عمده زیستمحیطی شده است. ازاین‌رو، هدف این مطالعه بررسی تغییرات کاربریهای مختلف و ارزیابی اثرات تغییرات کاربریها بر فرسایش خاک، در شهرستان گیوی است. در راستای دستیابی به اهداف پژوهش، ابتدا نقشه کاربری اراضی با استفاده از روش شیگرا برای دو دورۀ 2000 و 2021، تهیه شده است. در مرحله بعد با توجه به شرایط طبیعی و انسانی محدوده، سایر عوامل مؤثر برای فرسایش در منطقه شناسایی شد و لایههای اطلاعاتی هر یک از معیارها، توسط سامانه اطلاعات جغرافیایی تهیه گردید. ارزشگذاری و استانداردسازی لایهها با استفاده از تابع عضویت فازی و وزندهی معیارها، با استفاده از روش CRITIC انجام شد. تحلیل و مدلسازی نهایی با استفاده از روش MABAC به‌عنوان یکی از روشهای تصمیمگیری چند معیاره (MCDM)، انجام شد. نتایج نشان داد، بیشترین میزان مساحت در سال 2000 مربوط به مراتع خوب و متوسط، به ترتیب با 172/313 و 144/283 کیلومترمربع است و در سال 2021، بیشترین میزان مساحت مربوط به مراتع ضعیف و اراضی بایر (هموار) به ترتیب با 077/335 و 815/329 کیلومترمربع است. با توجه به نقشة پهنه‌بندی فرسایش سال 2000 به ترتیب 34/16 و 36/20 درصد و با توجه پهنهبندی فرسایش 2021 به ترتیب 92/22 و 58/25 درصد از مساحت شهرستان در دو طبقة فرسایش بسیار زیاد و زیاد قرار دارند. کاهش مراتع خوب و متوسط و اراضی با پوششگیاهی متراکم و تبدیل آنها به مناطق کشاورزی، مراتع ضعیف، انسانساخت و اراضی بایر بیشترین میزان تأثیر را بر فرسایش خاک داشته است.

چکیده تصویری

کلیدواژه‌ها

مراجع

اصغریسراسکانرود، صیاد؛ پالیزبان، دلنیا؛ پیروزی، الناز؛ 1397. بررسی مقایسهای تغییرات کاربری اراضی و تأثیر آن بر میزان فرسایش با استفاده از روش طبقهبندی شیگرا در حوضه سیمینه‌رود بوکان، پژوهشهای فرسایش محیطی، سال هشتم، شماره 1، صص 109-94. https://www.20.1001.1.22517812.1397.8.1.6.3

بنیاد امیر، اسلام؛ حاجی قادری، طه؛ 1386. تهیه نقشه جنگلهای طبیعی استان زنجان با استفاده از دادههای سنجنده ETM + ماهواره لندست 7، مجله علوم و فنون کشاورزی و منابع طبیعی، جلد 11، شماره 42، صص 638-627. https://www.20.1001.1.24763594.1386.11.42.51.5

رضائیمقدم، محمدحسین؛ رضایی بنفشه‌درق، مجید؛ فیضیزاده، بختیار؛ نظمفر، حسین؛ 1389. طبقهبندی پوشش اراضی/کاربری اراضی بر اساس تکنیک شیگرا و تصاویر ماهوارهای، مطالعه موردی: استان آذربایجان غربی، پژوهش‌های آبخیزداری (پژوهش و سازندگی)، دوره 23، شماره 2، صص 32-19.

https://www.sid.ir/paper/200608/fa

رضائیمقدم، محمدحسین؛ مختاری، داود؛ سمندر، نسرین؛ 1399. استخراج و ارزیابی تغییرات کاربری اراضی با به‌کارگیری الگوریتم SVM با کرنل چندجمله‌ای و روش حداکثر احتمال در محدودۀ حوضه آبریز اوجانچای بستان‌آباد، جغرافیا و مخاطرات محیطی، دوره 9، شماره 4، صص 44-25.

https://doi.org/10.22067/GEOEH.2021.67231.0

عابدینی، م.، بهرام‌نیا، ف.، مصطفی‌زاده، ر.، پاسبان، ا. ح؛ 1402. بررسی تأثیر تغییرات کاربری اراضی در یک دوره بیست سال بر میزان فرسایش و رسوب حوضه رضی‌چای، جغرافیا و مطالعات محیطی، دوره 12، شماره45. صص 133-114. 20.1001.1.20087845.1402.12.45.7.9

عابدینی، م.، جوادی علی‌بابالو، س.، مصطفی‌زاده، ر.، پاسبان، ا.ح. 1401. ارتباط شاخص‌های پوشش گیاهی و ژئومورفیک با مقادیر فرسایش و رسوب در حوضه آبریز کوزه‌توپراقی، هیدروژئومورفولوژی، دوره ، شماره 9 صص 128-105. https://civilica.com/doc/1581841

فیضیزاده، بختیار؛ جعفری، فیروز؛ نظمفر، حسین؛ 1387. کاربرد دادههای سنجش‌ازدور در آشکارسازی تغییرات کاربریهای اراضی شهری (مطالعه موردی فضای سبز شهر تبریز)، هنرهای زیبا، شماره 34، صص 24-17. https://www.sid.ir/paper/5716/fa

مزبانی، مهدی؛ رضائیمقدم، محمدحسین؛ حجازی، اسداله؛ 1400. ارزیابی خطر فرسایش خاک در کاربری‌های اراضی با استفاده از معادله اصلاح شده جهانی فرسایش خاک (مطالعه موردی: حوضه آبریز سیکان)، جغرافیا و مخاطرات محیطی، دوره 10، شماره 1، صص 63-41.https://doi.org/10.22067/GEOEH.2021.67238.0

میاحی، جاسم؛ اسکندری دامنه، هادی؛ زراسوندی، علیرضا؛ 1400. ارزیابی اثر تغییر پوشش اراضی بر روی روند فرسایش خاک تالاب هور العظیم در جنوب غرب ایران، مخاطرات محیط طبیعی، دوره 10، شماره 27، صص 122-107. https://doi.org/10.22111/JNEH.2020.33269.1626

Aher P, Adinarayana J, & Gorantiwar SD. 2013. Prioritization of watersheds using multi-criteria evaluation through the fuzzy analytical hierarchy process. Agric Eng Int CIGR J, 15(1): 11–1. https://cigrjournal.org/index.php/Ejounral/article/view/2282

Aiello A, Adamo M, & Canora, F .2015. Remote sensing and GIS to assess soil erosion with RUSLE3D and USPED at river basin scale in southern Italy. Catena, 131: 174–185. https://doi.org/10.1016/j.catena.2015.04.003

Ajaykumar K, Jawee, TH, Kale S, Umrikar, B, & Rabindranath SR. 2019. Identification of erosion-prone areas using modified morphometric prioritization method and sediment production rate. a remote sensing and GIS approach, Geomatics, Natural Hazards and Risk, 10(1): 986-1006. https://doi.org/10.1080/19475705.2018.1555189

Alinezhad A, & Khalili J. 2019. New Methods and Applications in Multiple Attribute Decision Making (MADM). International Series in Operations Research & Management Science, vol 277, Springer, Cham. https:// doi.org/10.1007/978-3-030-15009-9

Arab-Ameri A, Pourghasemi H.R, & Cerda A. 2018. Erodibility prioritization of sub-watersheds using morphometric parameters analysis and its mapping: A comparison among TOPSIS, VIKOR, SAW, and CF multi-criteria decision making models, Science of The Total Environment, 613-614: 1385-1400. https://doi.org/10.1016/j.scitotenv.2017.09.210

Baumgertel A, Luki´c S, Belanovi´c, Simi´c S, & Kadovi´c R. 2019. Identifying Areas Sensitive toWind Erosion—A Case Study of the AP Vojvodina (Serbia). Appl. Sci., 9: 1-12. https://doi.org/10.3390/app9235106

Bou-kheir R, Cerdan O, & Abdelah C. 2006. Regional soil erosion risk mapping in Lebanon. Geomorphology, 82: 347-359. https://doi.org/10.1016/j.geomorph.2006.05.012

Congalton R.G, & Green K. 2009. Assessing the accuracy of remotely sensed data: principles and practices. CRC Press, Boca Raton, Florida, 137. https://doi.org/10.1201/9781420055139

Coppin P, Jonckheere I, Nackaerts K, Muys B, & Lambin E. 2004. Digital change detection methods in ecosystem monitoring: A review. International Journal of Remote Sensing, 25(9): 1565-1596. https://doi.org/10.1080/0143116031000101675

Georgiou D, Mohammed E.S, & Rozakis, S. 2015. Multi-criteria decisionmaking on the energy supply configuration of autonomous desalination units. Renew. Energy, 75: 459–467. https://doi.org/10.1016/j.renene.2014.09.036

Hoseini H. 2019. Use fuzzy interface systems to optimize land suitability evaluation for surface and trickle irrigation, Information Processing in Agriculture, 6 (1): 11-19. https://doi.org/10.1016/j.inpa.2018.09.003

Jabbar M.T, & Zhou X. 2011. Eco-environmental change detection by using remote sensing and GIS techniques: a case study Basrah province, south part of Iraq. Journal of Environ Earth Sci, 64: 1397–1407. https://doi.org/10.1007/s12665-011-0964-5

Kenneth M, & Gunter, M. 2012. Monitoring Land-Use Change in Nakuru Kenya Using Multi-Sensor Satellite Data, advance remote sensing, 1: 74-78. https://doi.org/10.4236/ars.2012.13008

Kidane M, Bezie A, Kesete N, & Tolessa T. 2019. The impact of land use and 0land cover (LULC) dynamics on soil erosion and sediment yield in Ethiopia. Heliyon, 5 (12): 1-13. https://doi.org/10.1016/j.heliyon.2019.e02981

Kogo B.K, Kumar L, & Koech R. 2020. Impact of Land Use/Cover Changes on Soil Erosion in Western Kenya. Sustainability, 12, 9740: 1-17. https://doi.org/10.3390/su12229740

Li M, Li T, Zhu L, Meadows ME, Zhu W, & Zhang S. 2021. Effect of Land Use Change on Gully Erosion Density in the Black Soil Region of Northeast China from 1965 to 2015: A Case Study of the Kedong County. Front. Environ. Sci, 9: 652-933. https://doi.org/10.3389/fenvs.2021.652933

Lillesand ‎T.M, Kiefer R.W, & Chipman W.J. 2008. Remote sensing and Image Interpretation, New York: John Wiley & Sons, Inc., 6^th Ed, 812. https://www.wiley.com/en-us/Remote+Sensing+and+Image+Interpretation%2C+7th+Edition-p-9781119128465

Masselink R, Temme A.J.A.M, Giménez R, Casalí J, & Keesstra, S.D. 2017. Assessing hillslope-channel connectivity in an agricultural catchment using rare-earth oxide tracers and random forests models. Cuadernos de Investigación Geográfica. 43 (1), 19-39. https://doi.org/10.18172/cig.3169

Mendoza M.E. 2011. Analysing land cover and land use change processes at watershed level: A multitemporal study in the Lake Cuitzeo Watwrshed, Mexico (1975-2003). Applied Geography, 31(1): 237-250. https://doi.org/10.1016/j.apgeog.2010.05.010

Nekhay O, Arriaza M, & Boerboom L. 2009. Evaluation of erosion risk using Analytic Network Process and GIS: a case study from Spanish mountain olive plantations. J Environ Manag, 90(10): 3091-3104. https://doi.org/10.1016/j.jenvman.2009.04.022

Okumura M, & Araujo A.G. 2014. Long-term cultural stability in hunter–gatherers: a case study using traditional and geometric morphometric analysis of lithic stemmed bifacial points from Southern Brazil. J. Archaeol. Sci, 45: 59–71. https://doi.org/10.1016/j.jas.2014.02.009

Ozşahin E, & Eroglu I. 2019. Soil Erosion Risk Assessment due to Land Use/Land Cover Changes (LULCC) in Bulgaria from 1990 to 2015, Alinteri J. of Agr. Sci, 34(1): 1-8. https://doi.org/10.28955/alinterizbd.444193

Santos J. C. N, Andrade E. M, Medeiros P. H. A, & Joao M. 2017. Land use impact on soil erosion at different scales in the Brazilian semi-arid. Revista Ciencia Agronomica, 48(2): 251-260. https://doi.org/10.5935/1806-6690.20170029

Singh G, & Panda RK. 2017. Grid-cell based assessment of soil erosion potential for identification of critical erosion prone areas using USLE, GIS and remote sensing: A case study in the Kapgari watershed, India. Int Soil Water Conserv Res, 5: 202–211. https://doi.org/10.1016/j.iswcr.2017.05.006

Subhatu A, Lemann T, Hurni K, Portner B, Kassawmar T, Zeleke G, & Hurni H. 2017. Deposition of eroded soil on terraced croplands in Minchet catchment, Ethiopian Highlands. Int Soil Water Conserv Res, 5: 212–220. https://doi.org/10.1016/j.iswcr.2017.05.008

Tachizuka S, Hung T, Ochi S, & Yasuoka Y. 2002. Monitoring of Long-term Urban Expansion by the use of Remote Sensing Image from Different Sensor, Asian conference on Remote sensing, Kathmandu, Nepal, November 2002: 1-7. https://api.semanticscholar.org/CorpusID:195777719

Tuş A, & Aytaç Adalı E. 2019. The new combination with CRITIC and WASPAS methods for the time and attendance software selection problem, opsearch, 56: 528–538. https://doi.org/10.1007/s12597-019-00371-6

Xiaolu S, & Cheng B. 2011. Change Detection Using Change Vector Analysis from Landsat TM Images in Wuhan, Procedia Environmental Sciences, 11 (1): 238 – 244. https://doi.org/10.1016/j.proenv.2011.12.037

Wang J, Wei G, Wei C, & Wei Y. 2020. MABAC method for multiple attribute group decision making under q-rung orthopair fuzzy environment, Defence Technology, 16 (1): 208-216. https://doi.org/10.1016/j.dt.2019.06.019

Wessels K.J, Prince S.D, Frost P.E, & Van Z. D. 2004. Assessing the effects of human induced land degradation in the former homelands of northern South Africa with a 1 km AVHRR NDVI time-series. Journal of Remote Sensing Environment, 9 (1): 47–67. https://doi.org/10.1016/j.rse.2004.02.005